基于神经网络PI的砂尘环境试验风洞的智能温度控制系统，其特征在于：(1)建立神经网络系统结构，(2)神经网络参数的混合学习训练，(3)PI控制，(4)限幅处理。本发明专利技术把PI控制器和神经网络结合起来，利用神经网络的自适应，离线学习和在线学习的能力得出控制变量协调控制因子，有效的确定主控设备和辅控设备。然后再通过PI控制器进行对被控对象温度的协调有效控制，当PI控制器输出控制变量之后，再进行对被控变量利用S函数进行限幅处理，使控制变量最优化。本发明专利技术克服了现有技术在控制上协调性差的影响，提高了控制的可靠性与协调性，拓展了其应用范围，也可用于其它感应器输出信号的协调性控制。
【技术实现步骤摘要】
本专利技术涉及一种应用于砂尘环境试验风洞的基于神经网络PI (比例积分)的智能 温度控制系统和方法，用于砂尘环境试验风洞温度的高精度与高可靠性控制。
技术介绍
砂尘环境是引起许多工程和/或武器装备失效的一个重要环境因素，其主要损坏 类型有冲蚀、磨损、腐蚀及渗透等。砂尘环境试验是分析，评价各种类型装备和仪器在沙漠 或干旱地区风沙环境下的工作性能，可靠性，稳定性的重要手段。无论是在国军标，还是在 其他各类标准中都对砂尘环境试验的温度标准做出了严格的规定。由于现代科研和实际生产的需要，越来越多的地方都需要砂尘环境试验，同时又 由于试验风速及风洞内热负荷的变化范围很大以及突然性，这就越来越凸显出了砂尘环境 试验温度控制的重要性。目前国内在大型洄流式砂尘环境试验风洞的温度控制主要是采用 空调旁路中装备表冷器和电加热器两种截然不同的温控设备。并且由于在进行低速吹尘和 高速吹尘试验时，所采取的是加热和制冷两种完全不同的温度控制措施，使温差变化范围 增大，控制难度增大。同时由于在砂尘环境试验中的温度控制具有纯滞性，非线性以及参数 的一些不确定性等特点，很容易产生较大的振荡或误差性，因此传统的控制策略往往很难 满足性能的指标要求，同时也是砂尘环境试验风洞温度控制不同于普通温度控制对象的特 点与难点。循环风道内，风机转速变化，辅助气流流量与温度变化，环境温度的变化均会引起 风道内的温度扰动，而通过调节电加热器加热功率或冷却水流量，则能使温度扰动得到控 制，但风道内的热负荷差别很大，需要采用不同的协调控制措施。如何消除这些干扰源引起 的扰动，并克服各种非线性的因素对温度控制系统带来的影响，即温度的高精度和高协调 性控制方法是整个温度控制领域的关键技术。目前，解决砂尘环境试验风洞下的温度控制有两种思路，一种是在硬件结构上采 用温控设备，让温度可在正常的范围内进行调控。这种方案虽然可以很好的提高温度的控 制，但是却增加了硬件的复杂性，提高了成本，并且在可靠性上有很大的限制；二是软件控 制方式。该方式通过采用建模和控制算法，即通过控制策略和学习能力逼近任意的非线性 映射的能力，对温度进行实时的控制，并且对由于非线性因素引起的误差进行有效的补偿， 影响其补偿的精度，保证其精确性和协调性。
技术实现思路
本专利技术的技术解决问题克服现有技术在高精度，高稳定性和协调控制方面存在 的不足，提出了一种在砂尘环境试验风洞中的基于神经网络的PI的智能温度控制系统和 方法，实现了对温度控制的稳定性和协调性，在整个砂尘环境试验风洞的温度控制中有效 地提高了温度控制的协调与精确性；同时拓展了其应用范围，且简单，易于实现。6根据本专利技术的一个方面，提供了一种PI (比例积分)环境模拟系统的智能温度控 制系统，所述环境模拟系统包括多个控制机构，其特征在于包括一个神经网络控制器，用于根据设置在所述环境模拟系统中的风速感应器所测量 得到的风速值，产生其输出；PI控制器，用于根据设置在所述环境模拟系统中的温度感应器所测量得到的温度 值和所述神经网络控制器的输出，得到相应的粗略控制量。根据本专利技术的一个进一步的方面，提供了一种环境模拟系统的智能温度控制方 法，所述环境模拟系统包括多个控制机构，其特征在于包括根据设置在所述环境模拟系统中的风速感应器所测量得到的风速值，产生一个神 经网络控制器的输出；利用PI控制器，根据设置在所述环境模拟系统中的温度感应器所测量得到的温 度值和所述神经网络控制器的输出，得到相应的粗略控制量。附图说明图1为本专利技术的砂尘环境试验风洞的总体流程图。图2为本专利技术的砂尘环境试验风洞温度智能控制的控制流程图。图3为本专利技术的砂尘环境试验风洞温度智能控制基于神经网络PI控制的原理结 构图。图4为本专利技术的砂尘环境试验风洞温度智能控制的神经网络控制器的结构图。图5为本专利技术的砂尘环境试验风洞温度智能控制的基于混合学习训练算法的神 经网络PI控制结构图。图6为本专利技术的砂尘环境试验风洞基于神经网络PI智能温度控制系统学习训练 算法总体流程图。图7为本专利技术的砂尘环境试验风洞温度智能控制的改进BP学习算法的流程图。附图标记e(t)温度偏差的精确量r(t)温度输入值W 每层之间的连接权值ν 风速值101 温度感应器103 循环冷却水调节阀106 风速感应器S601 判断差异是否超过定值S603 遗传在线学习具体实施例方式本专利技术的技术解决方案提供了一种用于砂尘环境风洞试验的基于神经网络的PI 智能温度控制系统，该温度控制系统具有至少两个温度控制机构，其特点在于-首先，通过装在循环风道内的风速感应器将测量得到的风速值传递给神经网络ec 误差变化率的精确量 y(t)被控温度量输出值 Zcv 协调控制因子102 =PI控制器 105 电加热器调功器 107 神经网络控制器 S602 =BP离线学习控制器，神经网络控制器根据该风速值得出一个协调控制因子，并根据该协调控制因子把 所述至少两个温度控制机构中的一个确定为主要控制机构，其余控制机构则被确定为辅助 控制机构；-之后，将这个协调控制因子和用循环风道内的温度感应器测量得到的温度值，传 递给传统的PI控制器，在PI控制器内进行一系列变换操作，最终得到相应的粗略控制量；-然后，将得到的粗略控制变量利用S函数进行相应的限幅处理，得出最终的精确 控制量，然后传递给所述至少两个温度控制机构；-被控机构进行控制量相对应的操作，调整电加热器的加热功率和调节循环冷却 水流量，此时被控对象温度得到了相应的控制和改变；-风洞内的温度感应器将测量值温度再次传送给PI控制器，以检验是否完成所要 求的控制，如为所要求的温度值，则保持稳定，反之则继续前面步骤，直到达到要求为止。在如图1-3所示的根据本专利技术的实施例中，所述两个温度控制机构包括包括一个 电加热器调功器和一个循环冷却水调节阀。进一步地讲，对于上述智能温度控制的要求，从本质上来讲，砂尘环境试验风洞的 环境模拟系统的温度的智能控制是一种受非线性和时变因素影响的动态模型，这样复杂的 模型可采用非线性反馈线性化技术来设计控制规律。本专利技术将传统PI系统与神经网络相 结合构成基于神经网络的PI温度智能控制系统，利用神经网络所具有的任意非线性表达 能力，通过神经网络对被控机构进行有效协调，确定哪个控制机构为主控机构和哪个控制 机构为辅助控制机构，得出一个协调控制因子，从而实现风洞内温度变化的协调控制，以期 达到系统性能指标的要求，如图3所示。传统的PI控制系统具有设计简单、易于实现、可靠 性高等优点，尤其适用于可建立精确数学模型的确定性控制系统，其控制器的参数可根据 被控对象的线性数学模型来整定。但当对象特性发生变化或运行工况发生改变时，控制品 质将会下降，甚至影响控制系统的正常运行。因此，本专利技术提出了，应用神经网络和传统PI 控制器相结合的方式，利用神经网络在协调控制的基础上实现上述结合，利用神经网络实 现确定协调控制，从而使PI控制器的可靠性和精度性得到保证。根据本专利技术的一个实施例，所述PI控制器包括第一 PI控制器102，用于根据所述温度值和所述协调控制因子，产生第一粗略控 制量，第二 PI控制器109，用于根据所述温度值和所述协调控制因子，产生第二粗略控 制量，所述智能温度控制系统进一步包括本文档来自技高网...
【技术保护点】
１．一种ＰＩ环境模拟系统的智能温度控制系统，所述环境模拟系统包括多个控制机构，其特征在于包括：一个神经网络控制器（１０７），用于根据设置在所述环境模拟系统中的风速感应器所测量得到的风速值，产生其输出；ＰＩ控制器（１０２、１０９），用于根据设置在所述环境模拟系统中的温度感应器所测量得到的温度值和所述神经网络控制器（１０７）的输出，得到相应的粗略控制量。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘猛，李运泽，王浚，刘旺开，李可，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。